ChatOCIModelDeployment 集成

使用 LangChain 集成 ChatOCIModelDeployment 对话模型。

这将帮助您快速入门 (/oss/langchain/models)。如需了解所有 ChatOCIModelDeployment 功能和配置的详细文档，请参考 langchain-oci 包。

OCI Data Science 是 Oracle Cloud Infrastructure 平台上的全托管无服务器平台，专为数据科学团队设计，用于在 Oracle 云中构建、训练和管理机器学习模型。您可以通过 AI 快速操作 在 OCI Data Science 模型部署服务 中轻松部署大语言模型（LLMs）。您可以选择使用 vLLM 或 TGI 等流行推理框架部署模型。默认情况下，模型部署端点会模拟 OpenAI API 协议。

如需最新更新、示例和实验性功能，请查看 ADS LangChain 集成。

概览

集成细节

类别	包	可序列化	JS 支持	下载量	版本
ChatOCIModelDeployment	langchain-oci	beta	❌

模型特性

工具调用	结构化输出	图像输入	音频输入	视频输入	Token级流式输出	原生异步	Token使用量	对数概率
依赖	依赖	依赖	依赖	依赖	✅	✅	✅	✅

部分模型特性（包括工具调用、结构化输出和多模态输入）取决于部署的模型版本。

部署

要使用 ChatOCIModelDeployment，需部署具有对话完成端点的聊天模型，并安装 langchain-oci 和 oracle-ads 包。

您可以通过 AI 快速操作 在 OCI Data Science 模型部署服务中快速部署基础模型。如需更多部署示例，请访问 Oracle GitHub 示例仓库。

政策

确保已配置访问 OCI Data Science 模型部署端点 所需的 政策。

凭据

可通过 Oracle ADS 设置身份验证。在 OCI Data Science 笔记本会话中工作时，可以使用资源主元访问其他 OCI 资源。

import ads

# Set authentication through ads
# Use resource principal are operating within a
# OCI service that has resource principal based
# authentication configured
ads.set_auth("resource_principal")

alternatively，您也可以通过以下环境变量配置凭据。例如，使用特定配置文件的API密钥：

import os

# Set authentication through environment variables
# Use API Key setup when you are working from a local
# workstation or on platform which does not support
# resource principals.
os.environ["OCI_IAM_TYPE"] = "api_key"
os.environ["OCI_CONFIG_PROFILE"] = "default"
os.environ["OCI_CONFIG_LOCATION"] = "~/.oci"

查阅 Oracle ADS 文档 以查看更多选项。

安装

LangChain OCIModelDeployment 集成位于 langchain-oci 包中。

pip

pip install -qU langchain-oci oracle-ads

实例化

您可以使用通用 ChatOCIModelDeployment 或框架特定类如 ChatOCIModelDeploymentVLLM 实例化模型。

• 使用 ChatOCIModelDeployment 当您需要一个通用的模型部署入口点。您可以通过 model_kwargs 在此类实例化过程中传递模型参数。这提供了灵活性和配置便捷性，无需依赖框架特定细节。

from langchain_oci import ChatOCIModelDeployment

# Create an instance of OCI Model Deployment Endpoint
# Replace the endpoint uri with your own
# Using generic class as entry point, you will be able
# to pass model parameters through model_kwargs during
# instantiation.
chat = ChatOCIModelDeployment(
    endpoint="https://modeldeployment.<region>.oci.customer-oci.com/<ocid>/predict",
    streaming=True,
    max_retries=1,
    model_kwargs={
        "temperature": 0.2,
        "max_tokens": 512,
    },  # other model params...
    default_headers={
        "route": "/v1/chat/completions",
        # other request headers ...
    },
)

• 使用框架特定类如 ChatOCIModelDeploymentVLLM：当您正在使用特定框架（例如 vLLM）时适用，可直接通过构造函数传递模型参数，简化配置流程。

from langchain_oci import ChatOCIModelDeploymentVLLM

# Create an instance of OCI Model Deployment Endpoint
# Replace the endpoint uri with your own
# Using framework specific class as entry point, you will
# be able to pass model parameters in constructor.
chat = ChatOCIModelDeploymentVLLM(
    endpoint="https://modeldeployment.<region>.oci.customer-oci.com/<md_ocid>/predict",
)

调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]

ai_msg = chat.invoke(messages)
ai_msg

AIMessage(content="J'adore programmer.", response_metadata={'token_usage': {'prompt_tokens': 44, 'total_tokens': 52, 'completion_tokens': 8}, 'model_name': 'odsc-llm', 'system_fingerprint': '', 'finish_reason': 'stop'}, id='run-ca145168-efa9-414c-9dd1-21d10766fdd3-0')

print(ai_msg.content)

J'adore programmer.

链接

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | chat
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)

AIMessage(content='Ich liebe Programmierung.', response_metadata={'token_usage': {'prompt_tokens': 38, 'total_tokens': 48, 'completion_tokens': 10}, 'model_name': 'odsc-llm', 'system_fingerprint': '', 'finish_reason': 'stop'}, id='run-5dd936b0-b97e-490e-9869-2ad3dd524234-0')

异步调用

from langchain_oci import ChatOCIModelDeployment

system = "You are a helpful translator that translates {input_language} to {output_language}."
human = "{text}"
prompt = ChatPromptTemplate.from_messages([("system", system), ("human", human)])

chat = ChatOCIModelDeployment(
    endpoint="https://modeldeployment.us-ashburn-1.oci.customer-oci.com/<ocid>/predict"
)
chain = prompt | chat

await chain.ainvoke(
    {
        "input_language": "English",
        "output_language": "Chinese",
        "text": "I love programming",
    }
)

AIMessage(content='我喜欢编程', response_metadata={'token_usage': {'prompt_tokens': 37, 'total_tokens': 50, 'completion_tokens': 13}, 'model_name': 'odsc-llm', 'system_fingerprint': '', 'finish_reason': 'stop'}, id='run-a2dc9393-f269-41a4-b908-b1d8a92cf827-0')

流式调用

import sys

from langchain_oci import ChatOCIModelDeployment
from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
    [("human", "List out the 5 states in the United State.")]
)

chat = ChatOCIModelDeployment(
    endpoint="https://modeldeployment.us-ashburn-1.oci.customer-oci.com/<ocid>/predict"
)

chain = prompt | chat

for chunk in chain.stream({}):
    sys.stdout.write(chunk.content)
    sys.stdout.flush()

1. California
2. Texas
3. Florida
4. New York
5. Illinois

结构化输出

from langchain_oci import ChatOCIModelDeployment
from pydantic import BaseModel


class Joke(BaseModel):
    """A setup to a joke and the punchline."""

    setup: str
    punchline: str


chat = ChatOCIModelDeployment(
    endpoint="https://modeldeployment.us-ashburn-1.oci.customer-oci.com/<ocid>/predict",
)
structured_llm = chat.with_structured_output(Joke, method="json_mode")
output = structured_llm.invoke(
    "Tell me a joke about cats, respond in JSON with `setup` and `punchline` keys"
)

output.dict()

{'setup': 'Why did the cat get stuck in the tree?',
 'punchline': 'Because it was chasing its tail!'}

API 参考

要查看所有功能及配置的完整细节，请参考 langchain-oci 包 文档中各类的说明：

• ChatOCIModelDeployment
• ChatOCIModelDeploymentVLLM
• ChatOCIModelDeploymentTGI

---

官方原文：src/oss/python/integrations/chat/oci_data_science.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。